Python——爬虫学习2

Posted 2020-11-04 乌云上

BeautifulSoup插件的使用

这个插件需要先使用pip安装（在上一篇中不再赘言），然后再程序中申明引用

from bs4 import BeautifulSoup

html=self.requests(url)#调用requests函数把套图地址传入会返回一个response
all_a=BeautifulSoup(html.text,\'lxml\').find(\'div\',class_=\'all\').find(\'li\').find_all(\'a\')

这里find方法只会查找第一个匹配的元素，所以返回的是一个对象，find_all方法会查找所有匹配的元素，所以返回的是list

在使用网页文本的时候用text，在下载多媒体文件的时候用content。

正式编程

这里对程序进行了一些封装，方便函数的复用

ps：不得不感叹，python的io操作真的是很好用，简单方便，敲几下键盘就搞定，比起C#的各种参数真是太简洁！！！

import requests
from bs4 import BeautifulSoup
import os

class mzitu():
    
    def __init__(self):
        self.headers={\'User-Agent\':\'Mozilla/5.0(Windows NT 6.2;WOW64)AppleWebKit/535.24(KHTML,like Gecko)Chrome/19.0.1055.1 Safari/535.24\'}
        #self.route="D:\\GITHUB\\学习Python\\爬虫基础教程mzitu\\mzitu"

    def all_url(self,url):
        html=self.requests(url)#调用requests函数把套图地址传入会返回一个response
        all_a=BeautifulSoup(html.text,\'lxml\').find(\'div\',class_=\'all\').find(\'li\').find_all(\'a\')
        for a in all_a:
            title=a.get_text()
            print(u\'开始保存：\',title)#加一点提示，不然太枯燥了
            path=str(title).replace("?",\'_\')
            path = str(title).replace("?", \'_\') ##我注意到有个标题带有 ？  这个符号Windows系统是不能创建文件夹的所以要替换掉
            if self.mkdir(path):#调用mkdir函数创建文件夹
                href=a[\'href\']
                self.html(href)#调用html函数把href参数传递过去
        print(u\'共找到资源：\',len(all_a),u\'组\')

    def html(self,href): ##这个函数是处理套图地址获得图片的页面地址
        html=self.requests(href)#调用requests函数
        self.headers[\'referer\']=href
        max_span=BeautifulSoup(html.text,\'lxml\').find(\'div\',class_=\'pagenavi\').find_all(\'span\')[-2].get_text()
        for page in range(1,int(max_span)+1):
            page_url=href+\'/\'+str(page)
            self.img(page_url)#调用img函数

    def img(self,page_url): ##这个函数处理图片页面地址获得图片的实际地址
        img_html=self.requests(page_url)
        img_url=BeautifulSoup(img_html.text,\'lxml\').find(\'div\',class_=\'main-image\').find(\'img\')[\'src\']
        self.save(img_url)#调用save函数

    def save(self,img_url): ##这个函数保存图片
        name=img_url[-9:-4]
        img=self.requests(img_url)
        f=open(name+\'.jpg\',\'ab\')
        f.write(img.content)
        f.close()
        

    def mkdir(self,path): ##这个函数创建文件夹
        path=path.strip()
        isExists=os.path.exists(os.path.join("D:\\GITHUB\\学习Python\\爬虫基础教程mzitu\\mzitu",path))#创建一个存放套图的文件夹
        if not isExists:
            print(u\'创建了\',path,u\'文件夹！\')
            os.makedirs(os.path.join("D:\\GITHUB\\学习Python\\爬虫基础教程mzitu\\mzitu",path))
            os.chdir(os.path.join("D:\\GITHUB\\学习Python\\爬虫基础教程mzitu\\mzitu",path))#切换到目录
            return True
        else:
            print(u\'名字叫做\',path,u\'的文件夹已经存在了！\')
            return False

    def requests(self,url): ##这个函数获取网页的response 然后返回
        content=requests.get(url,headers=self.headers)
        return content

Mzitu=mzitu()#实例化
Mzitu.all_url(\'http://www.mzitu.com/all\')##给函数all_url传入参数 当作启动爬虫（就是入口）

运行脚本，下载后到文件夹去看看，效果很惊艳！